UNA EXTENSIÓN DEL MÉTODO SUBGRADIENTE PARA FUNCIONES CUASICONVEXAS

• Autores: Navarro Rojas, Frank, Núñez Lay, Tomás Alberto
• Formato: artículo
• Fecha de Publicación: 2012
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Pesquimat
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/9599
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/matema/article/view/9599
• Nivel de acceso: acceso abierto
• Materia: analysis convex; nonsmooth optimization; function quasiconvex; subgradient method.; análisis convexo; optimización no diferenciable; funciones cuasicouvexas; método subgradiente.

En el presente trabajo, consideramos el problema de minimizar una función continua, cuasiconvexa y Holder sobre el conjunto optimal, no necesariamente diferenciable. Para esto utilizamos las direcciones normalizadas del cono normal de los conjuntos de nivel de la función y elegimos los pasos basándonos en el conocimiento del valor óptimo de la función objetivo, también presentamos un ejemplo y su implementación computacional en Matlab.
In this work, we consider the problem of minimizing a quasiconvex, continue and Hölder function on the set optimal, not necessarily differentiable. We use the normalized direction of the normal con e of the set level of function and employ the stepsize rule based in knowledge of the optimal value of the objective function; we also present an example and us computational implementations in Matlab.